基于改進人工蜂群算法的滅火機器人路徑規劃研究

王艷春，夏穎，房漢雄，李相敏，喬志博

基于改進人工蜂群算法的滅火機器人路徑規劃研究

王艷春，夏穎，房漢雄，李相敏，喬志博

（齊齊哈爾大學 通信與電子工程學院，黑龍江 齊齊哈爾 161006）

針對傳統人工蜂群算法在求解機器人路徑規劃問題時存在的精度低、收斂速度慢等問題，提出了改進的人工蜂群優化算法解決滅火機器人路徑規劃問題．改進的算法通過完善適應度評價機制和迭代更新參數提高算法適應力．仿真結果表明，該算法可以有效平滑路徑，降低滅火機器人路徑規劃時間，提高其路徑規劃效率．

路徑規劃；人工蜂群算法；滅火機器人

機器人路徑規劃是智能移動機器人研究的核心內容之一[1]．滅火機器人作為智能移動機器人的一種，主要用于協助消防員進行復雜、高危火災現場監測和滅火救援，以提高滅火的精度和效率．滅火機器人路徑規劃使機器人能夠繞開障礙物，為機器人提供出一條從起始點到目標點的安全防碰、高效的運動路徑，代替消防員在危險火災環境下高效完成救援任務．常用的移動機器人路徑規劃方法主要有人工勢場法、可視圖法、柵格法、拓撲法以及蟻群算法、遺傳算法、粒子群算法、人工蜂群算法等群智能算法[2]．

人工蜂群算法（Artificial Bee Colony，ABC）作為一種群智能算法，具有收斂速度快、精度高等優點，但同時，也存在進化速度慢、容易陷入局部最優等不足[3]．為了克服這些缺點，研究人員根據應用需求對人工蜂群算法進行了相應的研究．目前，多數學者主要集中于對人工蜂群算法的性能改進，而將該算法應用于滅火機器人路徑規劃的研究尚不多見[4]．因此，本文以蜜源花香濃度為啟發信息，采用并行機制選擇策略，通過自適應調節讓蜜蜂在路徑規劃過程中更傾向于朝著目標方向運動的基礎上，提出了將改進人工蜂群算法用于滅火機器人路徑規劃，并通過實驗驗證了算法的可行性和有效性．

1 傳統人工蜂群算法

1.1 傳統人工蜂群算法基本思想

人工蜂群算法通過模擬蜜蜂采蜜的過程，實現尋優的目的．該算法由引領蜂、非引領蜂和蜜源3個要素組成[5]，其中非引領蜂有跟隨蜂和偵察蜂2種．算法基本思想為：

（1）每個引領蜂選取一處蜜源；

（2）引領蜂對當前蜜源進行鄰近搜索，發現新蜜源，記錄蜜源位置、蜜量等信息；

（3）引領蜂搜索完成后以搖擺舞的形式將蜜源信息傳遞給蜂巢里的跟隨蜂，跟隨蜂根據引領蜂傳遞的蜜源信息，選擇一個蜜源進行鄰域搜索；

（4）當引領蜂在蜜源處進行鄰域搜索達到一定的次數還沒有找到新的蜜源，該蜜源將被放棄，引領蜂轉變為偵查蜂，隨機尋找新的蜜源．重復上述過程，直到滿足要求為止．

在求解優化問題時，每個蜜源位置代表擬求解優化問題的一個可行解，其它具體參量信息對應關系見表1．

表1 人工蜂群算法與優化問題具體參量的對應關系

1.2 傳統人工蜂群算法實現步驟

人工蜂群算法按照以下步驟尋優[6]：

2 改進的人工蜂群算法

滅火機器人工作環境為復雜的障礙物環境，由于環境中存在大量連續障礙物和障礙物陷阱，機器人難以找到最優路徑，甚至導致路徑規劃失敗．傳統人工蜂群算法的基礎上，對適應度評價策略選擇及迭代更新方法進行了改進，提出了改進的滅火機器人路徑規劃方法．

2.1 改進算法的基本思想

改進的人工蜂群算法基本思想：傳統人工蜂群算法適應度評價采取輪盤賭選擇機制，改進算法中新蜜源適應度評價將輪盤賭機制和輪盤賭反向機制[7]相結合，采用并行選擇策略提高適應度；改進算法進行迭代更新過程中以花香濃度[8]為啟發信息，蜜蜂可以按照花香濃度大小來搜素蜜源，這樣蜜蜂尋找優良蜜源的概率變大，效率得以提高．

2.2 改進人工蜂群算法實現步驟

2.2.2 鄰域搜索 引領蜂對所有的蜜源進行鄰域搜索，按式（2）產生新蜜源．

3 基于改進人工蜂群算法的路徑規劃仿真實驗

所選參數設置為：最大迭代次數MCN＝300，蜜蜂種群數N=20，則引領蜂和偵查蜂數量Ns=10，Ne=10，向量空間維數D=10，尋優停滯閾值limit＝6．傳統算法和改進算法路徑規劃仿真結果見圖1．

從圖1a可以看出，路徑經過很多彎曲折線才到達最終的目的地；從圖1b可以看出，在同樣的仿真條件下改進后的機器人路徑規劃明顯要優于改進前的路徑規劃．

圖1 2020優化前后路徑對比

4 結語

本文對人工蜂群算法進行一定的改進，將蜜源花香濃度引入到人工蜂群算法中，采用并行選擇策略使滅火機器人進行規劃路徑時更傾向于朝著目標的方向運動，隨著迭代次數的增多，減小搜索區間，優化局部值．通過實驗證明，相比于傳統人工蜂群算法，改進后的人工蜂群算法收斂更快，規劃出的路徑也更加平滑．

[1] 吳方圓．基于改進蜂群算法的工業機器人路徑規劃研究[J]．電子測量技術，2019（7）：13-17

[2] 王艷春，馬馳，趙鑫，等．滅火機器人路徑規劃研究[J]．信息通信，2018（1）：144-145

[3] Wu Bin，Qian Cunhua，Ni Weihong，et al．Hybrid harmony search and artificial bee colony algorithm for global optimization problems[J]．Computers & Mathematics with Applications，2012，64（8）：2621-2634

[4] Kong X，Liu S，Wang Z，et al．Hybrid artificial bee colony algorithm for global numerical optimization[J]．Journal of Compu-tational Information Systems，2012，8（6）：2367-2374

[5] Zhu G，Kwong S．Gbest-guided artificial bee colony algorithm for numerical function optimization[J]．Applied Mathematics and Computation，2010，217（7）：3166-3173

[6] 周國春，肖本賢．基于人工蜂群算法的機器人路徑規劃研究[J]．自動化與儀表，2018，33（5）：48-52

[7] 倪郁東，李媛媛，沈吟東，等．基于改進人工蜂群算法的移動機器人路徑規劃研究[J]．合肥工業大學學報：自然科學版，2019，42（11）：1570-1575

[8] 劉東林，陳銀銀．基于花香濃度的人工蜂群算法在機器人路徑規劃中的應用[J]．華東理工大學學報：自然科學版，2016， 32（3）：375-381

Research on path planning of fire extinguishing robot based on improved artificial bee colony algorithm

WANG Yanchun，XIA Ying，FANG Hanxiong，LI Xiangmin，QIAO Zhibo

（School of Communication and Electronic Engineering，Qiqihar University，Qiqihar 161006，China）

Aiming at the problems of low accuracy and slow convergence speed in the traditional artificial bee colony algorithm when solving the robot path planning problem，an improved artificial bee colony optimization algorithm is proposed to solve the path planning of the fire extinguishing robot．The algorithm improves the algorithm's adaptability by improving the fitness evaluation mechanism and iteratively updating parameters．Simulation results show that the algorithm can effectively smooth the path，effectively reduce the path planning time of the fire extinguishing robot，and improve its path planning efficiency．

path planning；artificial bee colony algorithm；fire extinguishing robot

TP242.6

A

10.3969/j.issn.1007-9831.2020.10.006

1007-9831（2020）10-0023-04

2020-07-18

黑龍江省教育廳基本業務專項齊齊哈爾大學科研項目（135209237）；黑龍江省科學基金項目（QC2018045）

王艷春（1972-），女，黑龍江齊齊哈爾人，教授，從事嵌入式系統應用、無線傳感器網絡、機器人控制研究．E-mail：459671802@qq.com